作者：李麟玮; 吴益平; 苗发盛; 廖康; 张龙飞边坡工程滑坡位移预测变分模态分解灰狼优化最大信息系数支持向量回归
摘要：针对目前滑坡位移预测研究中存在的随机性位移无法分解与预测、支持向量机（SVR）模型中输入向量权值无差异、最优训练组合无法确定等问题,基于时序分析理论和变分模态分解（VMD）,结合灰狼优化算法（GWO）、最大信息系数（MIC）和SVR,提出一种新型滑坡位移预测模型。该模型首先采用时序分析法和VMD,将滑坡实际累积位移分解为趋势性位移、周期性位移和随机性位移。然后基于滑坡对各类影响因素的响应分析,为3种位移选择合适的影响因子,并采用GWO-MIC-SVR模型对各位移分量进行多数据驱动的动态单步预测。最终基于训练数据的时效性分析,确定最优训练组合,并应用时序加法模型将最优预测值进行叠加,实现对滑坡累积位移的预测。以三峡库区典型堆积层滑坡——白水河滑坡为例,选取监测点ZG93和ZG118从2004年1月~2013年4月的数据进行研究。结果表明,与以往的研究相比,该模型不仅有效预测时间较长,且预测精度较高,具有较高的实用性和推广应用价值。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
